A randomized trial of a community-based approach to dyslipidemia management
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Background: Dyslipidemia is an important risk factor for cardiovascular disease but is suboptimally managed. Pharmacists are accessible primary care professionals and with expanded scopes of practice (including prescribing), could identify and manage patients with dyslipidemia. We sought to evaluate the effect of pharmacist prescribing of dyslipidemia medications on the proportion of participants achieving target LDL-cholesterol (LDL-c) levels. Methods: We conducted a randomized controlled trial in 14 community pharmacies in Alberta, Canada. We enrolled adults with uncontrolled dyslipidemia as defined by the 2009 Canadian Dyslipidemia Guidelines. Intervention was pharmacist-directed dyslipidemia care, including assessment of cardiovascular risk, review of LDL-c, prescribing of medications, health behaviour interventions and follow-up every 6 weeks for 6 months. Usual care patients received their lipid results and a pamphlet on cardiovascular disease and usual care from their physician and pharmacist. Primary outcome was the proportion of participants achieving their target LDL-c (<2 mmol/L or ≥50% reduction) at 6 months between groups. Results: We enrolled 99 patients with a mean (SD) age of 63 (13) years, 49% male and baseline LDL-c of 3.37 mmol/L (0.98). Proportion of patients achieving LDL-c target was 43% intervention versus 18% control ( p = 0.007). Adjusted odds of achieving target LDL-c were 3.3 times higher for the intervention group ( p = 0.031), who also achieved greater reduction in LDL-c (1.12 mmol/L, SE = 0.112) versus control (0.42 mmol/L, SE = 0.109), for an adjusted mean difference of 0.546 mmol/L (SE = 0.157), p < 0.001. Conclusion: Pharmacist prescribing resulted in >3-fold more patients achieving target LDL-c levels. This could have major public health implications.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle